II Simpósio Brasileiro de Ciências Geodésicas e Tecnologias da Geoinformação
Recife - PE, 8-11 de setembro de 2008
p. 000-000
ERRO DE CLASSIFICAÇÃO DE IMAGENS INERENTES AO EFEITO
DA CORRENTE ESCURA
JOÃO BATISTA TAVARES JÚNIOR
DANIEL RODRIGUES DOS SANTOS
EVALDO RIBEIRO
Universidade Federal do Paraná - UFPR
Faculdade de Ciências e Tecnologia - FCT
Curso de Pós-Graduação em Ciências Geodésicas
Departamento de Física
[email protected]
[email protected]
[email protected]
RESUMO – Dentre os dispositivos utilizados para a obtenção de imagens, o CCD (Charge Coupled
Device) é um dos mais empregados para tal finalidade. Durante o tempo de interação do CCD com a luz,
além de uma carga gerada pela absorção dos fótons, também pode ser acumulada uma carga adicional
devido à interferência térmica, em cada elemento de imagem (pixel). No processo de leitura, essa
interferência é conhecida como corrente escura, a qual é inerente ao funcionamento do CCD mas que
pode ser reduzida a um nível negligenciável mediante refrigeração do dispositivo. Ao efetuar a
classificação de imagens que não foram corrigidas desse erro sistemático, ele pode ser causa de boa parte
dos erros de atribuição de uma classe a uma outra classe qualquer. Os resultados aqui obtidos mostram
que há necessidade de efetuar a essa correção, a qual proporcionou um acréscimo de acerto em torno de
10,39% na classificação da imagem analisada. Também pode-se concluir que é essencial conhecer os
valores corretos da calibração radiométrica do sistema, os quais proporcionaram a transformação do valor
digital em valor físico, eliminando os erros sistemáticos do sistema.
ABSTRACT - Amongst the devices used for image acquisition, the CCD (Charge Coupled Device) is
one of the most common detectors employed. During the time of interaction of the CCD with the light, in
addition to the charge originated from photon absorption, also an extra charge might be accumulated due
to thermal interference, in each image element (pixel). In the reading process, this interference is known
as dark current, which is inherent to the CCD functioning but can be reduced to a minimum level by
device cooling. When performing the classification of images that had not been corrected from this
systematic error, the later can lead to a considerable amount of errors in class attribution. The results
obtained here show that it is very important to make this correction, since in our case it led to an
enhancement of 10.39% in correct identification during the classification of the analyzed images. It can
also be concluded that it is essential to know the correct values of the system radiometric calibration,
which lead to the transformation of the digital value into physical value, eliminating the systematic errors
from the system.
Precisa dar uma garibada na nomenclatura técnica da área, que não conheço. Usei uns termos aí em cima
que gostaria que vocês checassem se estão corretamente empregados.
1 INTRODUÇÃO
benefícios à tradicional Fotogrametria (TOMMASELLI et
al., 2000).
A busca por sistemas que ofereçam aos cientistas
informações sobre os fenômenos físicos tem promovido
desde a década de 70 o desenvolvimento de sensores
remotos capazes de registrar mudanças físicas no
ambiente.
O uso de câmeras de pequeno formato em
levantamentos aerofotogramétricos é tema de pesquisa há
aproximadamente 15 anos (GONÇALVES, 2006). As
imagens adquiridas com câmaras digitais convencionais
com filtros adaptados vêm apresentando potencialidades
na realização de mapeamentos temáticos como, por
exemplo delimitação de corpos d’água e das coberturas
vegetais (SARTORI et al., 2007).
O desenvolvimento dos sensores
possibilitou a evolução tecnológica das
fotográficas, filmadoras, trazendo assim
J. B. Tavares Jr; D. R. Santos; E. Ribeiro
remotos
câmeras
grandes
II Simpósio Brasileiro de Ciências Geodésicas e Tecnologias da Geoinformação
Recife - PE, 8-11 de setembro de 2008
p. 000-000
Os sensores mais utilizados em sensoriamento
remoto geralmente são do tipo passivo, os quais medem a
intensidade de radiação refletida pela superfície de um
determinado objeto em diferentes faixas do espectro
eletromagnético, sendo o CCD (“Charge Coupled
Devices”) o mais utilizado nas câmeras digitais
convencionais.
Os CCDs comerciais mais comuns são feitos de
Silício, que mediante um processamento é estruturado na
forma de uma matriz de capacitores. Estes capacitores são
desenhados de maneira a acumular a carga que é gerada
por efeito fotoelétrico em cada um dos pixels. De maneira
simples, um fóton de luz que incide sobre um pixel será
absorvido por um único elétron do material (Silício
dopado, com excesso de elétrons) e por causa dessa
energia recebida são ejetados e acumulados nos
capacitores. Ao final da exposição, o circuito transforma a
carga acumulada em cada capacitor em uma voltagem,
que será utilizada para montar a imagem (RIBEIRO,
2008).
Teoricamente, ao se obter uma imagem em um
ambiente com total obscuridade, espera-se encontrar
todos os valores digitais iguais a zero, mas ao avaliá-la
nota-se que há valores diferentes de zero armazenados na
mesma. Este sinal residual no CCD é chamado de
corrente escura.
Assim, por exemplo, ao classificar uma imagem
obtida por um dado sensor, esta poderá conter erros
inerentes ao fato da não correção dos valores digitais
correspondentes à corrente escura. Uma forma para
realizar essa correção consiste em efetuar uma média ou
soma mediana de diversas imagens do mesmo objeto ou
confeccionar um mapa de referência da corrente escura
sendo habitualmente construído pela média de 7 a 10
imagens obtidas em total obscuridade.
Esse trabalho tem como objetivo averiguar o efeito
da corrente escura na classificação de imagem obtida com
uma câmera fotográfica convencional utilizando o método
da distância mínima (distância euclidiana). Para a
eliminação do erro sistemático de interesse, foi
confeccionado um mapa da corrente escura e o valor
encontrado para cada pixel foi removido de seu pixel
equivalente na imagem padrão; também foram tomadas
oito imagens da mesma superfície das quais gerou-se uma
nova imagem contendo os valores médios.
2 REVISÃO DOS CONCEITOS
2.1 CCD (Charge Coupled Devices)
Os sensores CCDs foram concebidos em 1970
sendo originalmente aplicados como dispositivos de
memória. Por apresentarem sensitividade à luz, eles foram
rapidamente aplicados na fotografia, sendo hoje os mais
populares e usuais nas câmeras fotográficas digitais
disponíveis no mercado (TULLOCH, 2006).
J. B. Tavares Jr; D. R. Santos; E. Ribeiro
Sendo um pequeno dispositivo de silício
geralmente medindo 6,7 mm, o sensor CCD possui
milhares de pontos sensíveis à luz denominados
fotocélula (pixel). Cada fotocélula é responsável pela
geração de cargas elétricas as quais são descarregadas
uma a uma, formando uma “fila” na saída do painel,
acopladas umas às outras como vagões de um trem, sendo
esta a origem do dispositivo de carga acoplada
(BAPTISTA, 2007). O princípio da fotocélula é a
absorção de fótons da luz pelo material do sensor e
posterior conversão em um sinal elétrico na forma de
carga ou mudança de resistência (ATKINSON, 1996).
2.2 Corrente escura
Durante o tempo de integração do CCD com a luz,
é acumulada uma interferência térmica em cada elemento
de imagem (pixel). Isto ocorre devido à probabilidade de
um elétron sofrer o mesmo processo fotoelétrico porém
com o auxílio da energia térmica devido à sua
temperatura de operação (geralmente temperatura
ambiente). Daí a necessidade do sensor CCD ser
refrigerado a uma temperatura muito baixa para que o
sinal seja reduzido a um nível negligenciável. O resultado
da interferência provocada pelo mau resfriamento é
conhecido como dark current (corrente escura), a qual
interfere na qualidade da imagem mesmo quando o sensor
se encontra em um ambiente escuro, resultando em dois
ruídos: ruído de leitura e ruído espacial (RÉ, 2005).
O ruído de leitura relaciona-se com as flutuações
registradas durante o processo de leitura e uma maneira
de correção consiste em efetuar uma média ou soma
mediana de diversas imagens do mesmo objeto. Já o ruído
espacial está relacionado ao fato de cada elemento sensor
reagir de modo distinto à corrente escura, produzindo um
aspecto granulado na imagem, sendo habitualmente
construído um mapa de referência pela soma media de 7 a
10 imagens obtidas em total obscuridade.
2.3
Método
Euclidiana)
da
distância
mínima
(Distância
O método da distância euclidiana toma a decisão a
respeito da classe mais provável com base na distância
espectral e/ou diferença espectral entre as leituras do pixel
e o vetor de médias da classe. Quando o pixel possuir um
valor idêntico à média de uma classe, será nula a distância
entre o pixel e esta classe, caso esta distância seja grande,
indica que os valores são diferentes, sendo que quanto
maior, maior a diferença entre o pixel e a classe. O grau
de semelhança de uma classe A e um pixel y pode ser
dada pela forma vetorial da distância euclidiana, sendo o
pixel (y) e o vetor de médias da classe Cj (mj) dada por
(CENTENO, 2004):
D(y, Cj) = abs((y – mj)t (y – mj))
(1)
II Simpósio Brasileiro de Ciências Geodésicas e Tecnologias da Geoinformação
Recife - PE, 8-11 de setembro de 2008
p. 000-000
Sendo mj o valor da média da classe j; y o valor do
pixel na banda.
máximo da corrente escura da imagem padrão e a quarta e
última a imagem resultante da subtração dos valores
modais da corrente escura da imagem padrão.
3 MATERIAL E MÉTODOS
4 RESULTADOS E DISCUSSÃO
3.1 Área de estudo
Para realizar este trabalho, foram utilizadas
imagens obtidas com uma câmera fotográfica Sony DSCF828 do protótipo reduzido (maquete) para a simulação
de vôo da Universidade Federal do Paraná – UFPR
(Figura 1).
Depois de confeccionar os mapas da corrente
escura utilizando as imagens obtidas em um ambiente
obscuro, foram realizadas as contagens da freqüência em
que um determinado NC aparece na banda. Com esta
contagem, pode-se verificar o valor de nível de máximo
gerado pelo sistema e o valor que ocorre com maior
freqüência. Estes valores foram plotados em um gráfico
de dispersão, sendo um para a banda do vermelho, uma
para a do verde e um para a banda do azul, os quais
podem ser vistos na figura 2.
VALORES DO RUÍDO DE LEITURA
1000000
Figura 1 – Área de estudo – Imagem obtida na maquete
de simulação de vôo da UFPR.
FREQÜÊNCIA
100000
3.2 Obtenção das imagens
10000
1000
100
10
1
0
Na área de estudo referida acima, foram obtidas
oito imagens da mesma superfície mantendo a mesma
condição de iluminação, das quais se obteve uma nova
imagem com os seus números digitais resultantes do valor
médio desse conjunto, visando eliminar o ruído de leitura.
Desse conjunto de imagens foram geradas três
novas imagens, a primeira com valores de máximo, a
segunda com valores modal e a terceira com os valores
médios encontrados no conjunto. Após a obtenção das
mesmas, realizou a contagem de freqüência dos valores
com os quais gerou-se um histograma de freqüência para
os mesmos.
3.3 Classificação das imagens
20
NC Moda na banda R
Nessa fase do trabalho foram realizadas quatro
classificações. Uma empregando a imagem sem correções
(imagem padrão fornecida pela câmera), a segunda
empregando a imagem com os valores médios resultante
das sete imagens obtidas da mesma superfície, a terceira
utilizando a imagem resultante da subtração dos valores
J. B. Tavares Jr; D. R. Santos; E. Ribeiro
40
50
NC Médio na banda R
NC Máximo na banda R
(a)
VALORES DO RUÍDO DE LEITURA
1000000
100000
10000
1000
100
10
1
0
10
20
30
40
NC
NC Moda na banda G
A classificação das imagens foram feita
empregando o software Spring 4.3, no qual realizou-se a
análise do tipo pixel a pixel e o classificador empregando
o conceito da distância euclidiana.
30
NC
FREQÜÊNCIA
Para verificar os valores atribuídos à corrente
escura pelos ruídos espaciais, foram obtidas oito imagens
em um ambiente totalmente obscuro.
10
NC Médio na banda G
NC Máximo na banda G
(b)
II Simpósio Brasileiro de Ciências Geodésicas e Tecnologias da Geoinformação
Recife - PE, 8-11 de setembro de 2008
p. 000-000
VALORES DO RUÍDO DE LEITURA
1000000
FREQÜÊNCIA
100000
10000
1000
100
10
(A)
(B)
(C)
(D)
(E)
(F)
(G)
(H)
1
0
10
20
30
40
NC
NC Moda na banda B
NC Médio na banda B
NC Máximo na banda B
(c)
Figura 2 –. As figuras (a, b e c) representam
respectivamente os valores para a banda do vermelho,
verde e azul, encontrados nos três mapas da corrente
escura. Em cada uma pode observar três linhas, as quais
representam os valores de máximo, médio e modal de
níveis de cinza (NC) encontrados nas oito bandas
utilizadas para a confecção do mapa da corrente escura.
Nesses, observa-se que o mapa contendo os
valores máximos, possui os maiores valores do número
digital gerado pelo sistema. A curva que representa os
valores encontrados no mapa obtido pelo valor da moda,
mostra que o zero é valor mais freqüente, diminuindo
linearmente até um nível de cinza entre 15 e 20.
Pela curva representante dos valores médios, notase que o valor com maior freqüência gira entorno de um
nível de cinza entre 2 e 4. A curva da média também revêla que em média os valores digitais gerado pelo sistema,
encontra-se em uma faixa que varia do zero à
aproximadamente 11. Cabe ressaltar que os dados
expressos acima são referentes somente à área de estudo,
ou seja os dados representam exclusivamente uma dada
região do CCD.
Pela curva representante dos valores máximos de
NC comparada com as outras duas curvas, pode-se
concluir que os valores introduzidos na imagem por cada
célula do CCD não são constantes, podendo variar de zero
até um dado valor o qual dependerá da interferência que o
mesmo sofreu anteriormente.
A figura 3 mostra as imagens utilizadas nesse
trabalho e o produto gerado pela classificação de cada
imagem. Na classificação, foram considerados três temas,
sendo a classe vegetação representada pela com verde, a
classe pastagem representada pela com laranja escuro, e a
classe estrada pela cor rosa.
J. B. Tavares Jr; D. R. Santos; E. Ribeiro
Figura 3 – (A) Imagem da área de estudo sem tratamento.
(B) Produto gerado pela classificação da imagem a. (C)
Imagem armazenando valores médios das oito imagens da
mesma superfície. (D) Produto gerado pela classificação
da imagem C. (E e G) Imagem armazenando valores
resultantes da subtração dos valores máximos e médios de
níveis de cinzas encontrados nas oito imagens utilizada
para a confecção da corrente escura respectivamente. (F e
H) Produto gerado pela classificação da imagem E e G.
Dentre as imagens resultantes das correções
aplicadas na imagem padrão, a imagem formada pelos
valores médios das oito imagens obtidas da mesma
superfície é a que mostra melhor qualidade. Nela nota-se
que houve uma suavização dos ruídos contidos na
imagem padrão. Já as imagens resultantes da subtração
dos valores gerados com as imagens obtidas em um
ambiente totalmente obscuro, tiveram uma variação no
tom da cor, ficando mais escuras.
II Simpósio Brasileiro de Ciências Geodésicas e Tecnologias da Geoinformação
Recife - PE, 8-11 de setembro de 2008
p. 000-000
Pela análise visual dos resultados advindos da
classificação dessas imagens, a que apresenta um maior
número de acerto foi dado pela imagem (C) ficando as
demais similarmente iguais.
As tabelas 1, 2, 3 e 4 Apresentam as matrizes de
erros de classificação. Nelas estão representados os
valores que foram corretamente classificados e os valores
atribuídos à outra classe, assim como o desempenho geral.
Tabela 1 – Matriz de erros de classificação da Imagem
Padrão.
MATRIZ DE ERROS DE CLASSIFICAÇÃO
Colunas: dados de referencia
Vegetação Pastagem Estrada Soma lin.
Vegetação
8990
0
169
9159
28,23%
0,00%
0,53%
Pastagem
527
14635
3372
18534
1,65%
45,95%
10,59%
Estrada
176
572
3408
4156
0,55%
1,80%
10,70%
Soma col.
9693
15207
6949
31849
Exatidão do
produtor
Vegetação
92,75%
Pastagem
96,24%
Estrada
49,04%
Desempenho geral: 84,88 %
Confusão media: 15,12 %
Exatidão do
usuário
98,15%
78,96%
82,00%
Tabela 2 – Matriz de erros de classificação da Imagem
com valores resultantes da média das oito imagens obtidas
da mesma superfície.
MATRIZ DE ERROS DE CLASSIFICAÇÃO
Colunas: dados de referencia
Vegetação Pastagem Estrada Soma lin.
Vegetação
10462
0
25
10487
32,99%
0,00%
0,08%
Pastagem
91
16374
1511
17976
0,29%
51,63%
4,76%
Estrada
32
269
2953
3254
0,10%
0,85%
9,31%
Soma col.
10585
16643
4489
31717
Vegetação
Pastagem
Estrada
Exatidão do
produtor
98,84%
98,38%
65,78%
Desempenho geral: 93,92 %
Confusão media: 6,08 %
J. B. Tavares Jr; D. R. Santos; E. Ribeiro
Exatidão do
usuário
99,76%
91,09%
90,75%
Tabela 3 – Matriz de erros de classificação da Imagem
resultante da subtração dos valores máximos da corrente
escura da imagem padrão.
MATRIZ DE ERROS DE CLASSIFICAÇÃO
Colunas: dados de referencia
Vegetação Pastagem Estrada Soma lin.
Vegetação
10484
0
246
10730
30,61%
0,00%
0,72%
Pastagem
594
15212
4072
19878
1,73%
44,42%
11,89%
Estrada
126
537
2976
3639
0,37%
1,57%
8,69%
Soma col.
11204
15749
7294
34247
Exatidão do
produtor
Vegetação
93,57%
Pastagem
96,59%
Estrada
40,80%
Desempenho geral: 83,72 %
Confusão media: 16,28 %
Exatidão do
usuário
97,71%
76,53%
81,78%
Tabela 4 – Matriz de erros de classificação da Imagem
resultante da subtração dos valores médios da corrente
escura da imagem padrão.
MATRIZ DE ERROS DE CLASSIFICAÇÃO
Colunas: dados de referencia
Vegetação Pastagem Estrada Soma lin.
Vegetação
10547
4
286
10837
32,66%
0,01%
0,89%
Pastagem
602
13083
4237
17922
1,86%
40,51%
13,12%
Estrada
121
568
2847
3536
0,37%
1,76%
8,82%
Soma col.
11270
13655
7370
32295
Exatidão do
produtor
Vegetação
93,58%
Pastagem
95,81%
Estrada
38,63%
Desempenho geral: 81,98 %
Confusão media: 18,02 %
Exatidão do
usuário
97,32%
73,00%
80,51%
Em todas tabelas as classes que apresentam um
maior índice de confusão são a classe pastagem com a
classe estrada, estando os valores da tabela 1, 3 e 4
aproximadamente iguais. Já o valor encontrado na tabela
2 difere dos demais, sendo este equivalente à metade dos
demais.
A exatidão do produtor indica que houve um
menor erro de omissão para os temas na imagem
resultante da média das oito imagens obtidas da mesma
II Simpósio Brasileiro de Ciências Geodésicas e Tecnologias da Geoinformação
Recife - PE, 8-11 de setembro de 2008
p. 000-000
superfície, apontando que ela proporcionou uma melhor
definição dos temas.
Analisando o desempenho geral, nota-se que a
imagem padrão e as resultantes da subtração dos valores
médios e máximos da corrente escura da imagem padrão
tiveram um maior índice de confusão, sendo a imagem
resultante da média das imagens obtidas da mesma
superfície mostraram superior às demais.
Pelas análises, percebe que o resultado obtido da
classificação da imagem padrão não diferiu
significantemente dos resultados obtidos da classificação
das imagens com as correções realizadas aplicando o
mapa da corrente escura.
Analisando essa equação da radiância aparente (L0
(λ)) expresso pela equação 2,
L0 (λ) = (ND(λ) – offset(λ))/G(λ),
(2)
onde o ofset(λ) representa uma quantidade em valor de
ND suficiente para compensar a corrente escura e o G(λ)
refere-se a um valor de ganho.
Junto com os resultados obtidos, conclui-se que
não é suficiente somente efetuar a subtração da corrente
escura gerada com as imagens obtidas em ambiente
escuro. Isso deve-se ao fato do desconhecimento do valor
de ganho (G(λ)) normalmente ajustado para impedir que o
valor medido sature positivamente quando observa
objetos claros, e negativamente quando observa objetos
escuros.
4 CONCLUSÕES
De posse da análise dos dados, conclui-se que a
classificação da imagem obtida efetuando a média das
imagens tomadas da mesma superfície apresenta um
resultado significantemente superior aos que foram
obtidos com as outras imagens. Isso indica que o valor
gerado pela interferência térmica em cada elemento de
imagem pode provocar erros de interpretação quando não
corrigidos.
Apesar dos resultados obtidos com as imagens
corrigidas com os valores encontrados para os mapas da
corrente escura serem similares ao obtido com a imagem
padrão, isso não indica que ela é uma forma errônea de
efetuar a correção. Para que ele tenha um bom
desempenho, há a necessidade de conhecer o valor de
ganho aplicado pelo sistema de captura de imagem.
A correção utilizando as imagens da mesma
superfície pode ser aparentemente suficiente, mas essa
ainda não consegue eliminar totalmente o efeito da
corrente escura. Ela simplesmente reduz o efeito da
corrente escura, diminuindo as diferenças dos tons de
cinza da imagem, o que equivaleria a realizar uma
homogeneização dos valores ali presentes.
Assim, para evitar tais erros, é necessário efetuar a
transformação dos valores digitais em valores físicos, os
J. B. Tavares Jr; D. R. Santos; E. Ribeiro
quais vão estar ausentes dos efeitos do CCD. Para tanto, é
necessário efetuar a correta calibração radiométrica do
CCD acoplado no dispositivo utilizado.
AGRADECIMENTOS
Os autores destas normas agradecem ao CNPq
pelo apoio financeiro dado para a realização de pesquisas.
REFERÊNCIAS
ATKINSON, K.B. Close Range Photogrammetry and
Machine Vision. Bristrol: Whittles Publishing, 1996.
371p.
BAPTISTA, E. CCD: O olho da câmera. Coluna Fique
Ligado, Revista Zoom Magazine. 2007?. Disponível em:
<http://www.fazendovideo.com.br/vtart_010.asp> Acesso
em: 30 outubro 2007?.
Centeno, J. A. S. Sensoriamento remoto e
processamento de imagens digitais. Curitiba: Editora da
UFPR, 2004. 219p.
GONÇALVES, G.A. Automação da detecção de
alterações da cartografia cadastral com base em
imagens de câmaras digitais. Tese (Doutorado em
Ciências Geodésicas) – Departamento Geomática,
Universidade Federal do Paraná, Curitiba, 2006.
RÉ, P. O ABC das câmeras CCD. 2005?. Disponível
em:
<http://www.astrosurf.com/re/abccamarasccdpre.pdf>
Acesso 30 outubro 2007.
RIBEIRO, E.: Notas de aulas. 2008
SARTORI, L.R.; IMAI, N.N.; TOMMASELLI, A.M.G.;
RUY, R.S.; Galo, M.; HASEGAWA, J. K.; CAMARGO,
P.O.: Potencial do uso da banda do infravermelho
próximo na classificação de imagens adquiridas por
câmaras digitais. Anais XIII Simpósio Brasileiro de
Sensoriamento Remoto, Florianópolis, Brasil, 21-26
abril 2007, INPE, p. 6151-6158.
TOMMASELLI, A.M.G.; HASEGAWA, J.K.; GALO,
M. Modernas tecnologias de aquisição de imagens em
fotogrametria. Boletim de Ciências Geodésicas, Curitiba,
v. 6, n. 1, p. 49-64, 2000.
TULLOCH, S. Introduction to CCDs. March, 2006.
Isaac Newton Group of Telescopes. Disponível em:
<http://www.ing.iac.es/~smt/CCD_Primer/CCD_Primer.h
tm>. Acesso em 21 de Julho de 2007.